识别具有独立过程和测量噪声描述的状态空间模型
一般的模型结构
在给定的输入和噪声信号下,用识别的线性模型来模拟和预测系统输出。对输入信号进行测量,而噪声信号仅通过统计均值和方差可知。的一般形式的状态空间模型,通常与卡尔曼滤波相关,是这种模型的一个例子,定义为:
(1) |
在那里,在时间t:
x(t)为模型状态向量。
u(t)为测量输入数据。
y(t)为实测输出数据。
w(t)为过程噪声。
v(t)为测量噪声。
噪声干扰是均值和协方差为零的独立随机变量:
向量θ参数化模型,包括系统矩阵的系数和噪声协方差。然而,模型的所有元素并不一定都是免费的。如果您对系统的状态和噪声源有物理上的了解,那么该模型可以具有具有很少参数的向量的特定结构θ.
创新形式和一步领先预测
的给定值θ的最佳估计x(t),y(t)在有任何干扰时。所需的预测模型公式由卡尔曼滤波技术导出:
(2) |
在哪里 状态向量的预测值x(t)在时间瞬间的t, 是输出的预测值吗y(t).的变量u(t),y(t)表示当时实测的投入和产出值t.的卡尔曼增益矩阵,K(θ),由系统矩阵和噪声协方差导出如下:
在哪里 为状态估计误差的协方差:
是一个代数里卡提方程的解。有关更多信息,请参见敢
(控制系统工具箱)而且[1]
表示输出预测误差为 ,你可以用更简单的形式来写一般的状态空间模型:
(3) |
这个更简单的表示是创新的形式的状态空间模型,并且只有一个唯一的扰动源,e(t).这种形式对应于选择R2=我,R12=K,R1=乐T为一般模型结构。系统识别工具箱™软件使用创新形式作为状态空间模型的主要表示形式。
模式识别
识别任务是使用输入和输出测量数据来确定参数化向量,θ.所采取的方法取决于有关系统和噪声干扰的可用先验信息的数量。
黑盒标识
当只有投入产出数据测量可用,并且您没有噪声结构的知识时,您只能估计创新形式的模型。为此,我们使用一步超前预测误差最小化方法(PEM)计算最佳输出预测器。对于这种方法,矩阵K独立于其他系统矩阵参数化,不考虑关于系统状态或输出协方差的先验信息进行估计。估计的模型可以用许多非惟一的方法还原到一般模型结构中,其中之一是假设R2=我,R12=K,R1=乐T.创新形式是预测器的系统表示,其中e(t)不一定代表实际的测量噪声。
来估计创新表单中的状态空间模型n4sid
,党卫军
,ssregest
命令。系统矩阵一个,B,C,D,K独立参数化,辨识使预测误差的加权范数最小,e(t).有关更多信息,请参见使用ssest, ssregest和n4sid估计状态空间模型估计的例子党卫军
.
请注意
在这种情况下,估计算法可以任意选择模型状态。因此,很难想象有物理意义的状态描述和影响状态的扰动来源。
结构鉴定
在某些情况下,除了输入输出数据外,你还知道一些关于状态和测量扰动的信息。为了使状态扰动的概念有意义,有必要对状态进行定义,例如在机械集中质量系统中的位置和速度。定义良好的状态和已知的噪声源导致了一个结构化状态空间模型,然后可以使用的一般模型结构对其进行参数化方程1.
为了识别这样的模型,使用灰盒建模方法,它允许您使用有关系统参数和噪声协方差的任何先验知识。例如,您可能只知道的第一个元素R1非零,还是所有的非对角线项R2为零。当使用灰盒建模时,为参数化向量提供初始猜测值,θ.如果模型状态在物理上是有意义的,那么应该能够确定参数的初始估价值θ.
估计具有参数化扰动的灰盒模型:
创建一个MATLAB®函数,称为ODE文件,它:
计算参数化状态空间矩阵,一个,B,C,D,使用参数向量θ,它作为输入参数提供。
计算噪声协方差矩阵R1,R2,R12.这些矩阵可以是完全或部分未知的。中的参数定义了任何未知矩阵元素θ.
使用系统矩阵一个而且C的噪声协方差
卡尔曼
(控制系统工具箱)命令来找到卡尔曼增益矩阵,K.[~ K] =卡尔曼(ss (A,眼睛(nx), C, 0 (ny, nx) Ts), R1, R2, R12);
在这里,
nx
是模型状态的数量,纽约
模型输出的数量,和Ts
是采样时间。的卡尔曼
命令需要控制系统工具箱™软件。返回一个,B,C,D,K作为输出参数。
创建一个
idgrey
该模型使用ODE函数和参数向量的初始猜测值,θ.方法配置任何评估选项
greyestOptions
命令。估计θ使用
感动的
命令。
有关在灰盒建模中使用参数化扰动的示例,请参见参数化扰动离散灰盒模型的估计.
总结
如果你只有测量过的投入产出数据,就使用创新表格。只有当你可以用有意义的状态定义一个系统参数化,并且你有关于噪声协方差的重要知识时,才值得使用一般形式。在这种情况下,使用灰盒估计来识别状态空间模型。
一般形式和创新形式都得出了相同的预测结果。因此,如果您的最终目标是部署模型来预测未来的输出或执行模拟,那么使用模型的创新形式会更方便。
参考文献
[1] Ljung, L.“状态空间模型”。4.3节中系统识别:用户的理论.上马鞍河,新泽西州:普伦蒂斯厅,1999年,第93-102页。
另请参阅
idgrey
|感动的
|预测
|党卫军
|ssregest
|n4sid